可以在手机里运行的Detectron2来了：FB官方出品

 本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

成都创新互联公司不只是一家网站建设的网络公司；我们对营销、技术、服务都有自己独特见解，公司采取“创意+综合+营销”一体化的方式为您提供更专业的服务！我们经历的每一步也许不一定是最完美的，但每一步都有值得深思的意义。我们珍视每一份信任，关注我们的网站建设、成都网站建设质量和服务品质，在得到用户满意的同时，也能得到同行业的专业认可，能够为行业创新发展助力。未来将继续专注于技术创新，服务升级，满足企业一站式成都全网营销需求，让再小的成都品牌网站建设也能产生价值！

做目标检测、语义分割，你一定听说过Detectron2。

作为一个基于PyTorch实现的模块化目标检测库，Detectron2当年刚一开源，就被推上了GitHub趋势榜第一。

而现在，移动端开发人员们的福利来了。

Facebook官方正式推出Detectron2的移动版：Detectron2Go（D2Go）。

什么是D2Go

先来看官方介绍：

• PyTorch和Detectron2支持的深度学习工具包
• 最先进的高效移动设备骨干网络
• 支持端到端模型训练、量化和部署
• 能轻松导出TorchScript格式

通过D2Go，开发者可以创建已经针对移动设备进行过优化的FBNet模型，在移动端高效地执行目标检测、语义分割以及关键点估计等任务。

△D2Go人体关键点估计

那么D2Go具体有哪些优势呢？

实际上，移动端的目标检测任务主要关注的有两点：延迟和准确性。

而如果模型能够在边缘设备上独立运行，不用将数据传至云端进行处理，就能大大的减少延迟。

另外，这也进一步保障了终端用户的数据、隐私安全。

Facebook表示，在实验测试中，使用D2Go开发的移动端模型，与基于服务器的模型相比，延迟更低，且准确性损失不大。

如何使用

首先是安装的部分，需要安装的有：

PyTorch Nightly

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch-nightly

Detectron2

python -m pip install 'git+https://github.com/facebookresearch/detectron2.git'

mobile_cv

python -m pip install 'git+https://github.com/facebookresearch/mobile-vision.git'

D2go

git clone https://github.com/facebookresearch/d2go
cd d2go & python -m pip install .

在D2go的GitHub仓库中，还提供了预训练模型的推理Demo。

从model_zoo中选择一个模型，运行demo.py，就可以进行试玩。

以faster_rcnn_fbnetv3a模型为例：

cd demo/
python demo.py —config-file faster_rcnn_fabnetv3a_C4.yaml —input input1.jpg —output output1.jpg

在训练和评估方面，D2Go本身基于detectron2工具包实现，因此在训练之前，需要按照detectron2的说明设置内置数据集。

而具体如何用预训练模型进行推理、训练一个D2go模型、将模型导出到int8，Facebook也提供了详细的入门示例。

更多详情，不妨戳进文末链接，亲自上手尝试~

传送门

开源地址：
https://github.com/facebookresearch/d2go

Facebook博客：
https://ai.facebook.com/blog/d2go-brings-detectron2-to-mobile/

本文标题：可以在手机里运行的Detectron2来了：FB官方出品
文章链接：http://www.shufengxianlan.com/qtweb/news11/482911.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联